requests模块中使用代理proxy发送请求

1. 代理概述

• 玩爬虫为什么我们不能使用一个固定IP发送请求

  • 你使用一个固定IP发送每秒向对方服务器发送10几个请求,对方认为这样操作不是人干的, 就把你IP给封了
  • 服务器端的人可以根据你IP很快锁定你, 要求你对这种窃取行为赔偿.

• 代理

  • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qMPq8I3z-1645505402609)(https://www.cnblogs.com/ddop1/p/images/02.png)]

• 正向代理与反向代理

  • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-szcHu8Oq-1645505402610)(https://www.cnblogs.com/ddop1/p/images/03.png)]
  • [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CQTwLKzM-1645505402610)(https://www.cnblogs.com/ddop1/p/images/04.png)]

• 正向代理与反向代理的区别

  • 反向代理:
    • 服务器端知道代理的存在,反向代理是为了保护服务器或负责负载均衡
    • 但是客户端不知道代理的存在的
  • 正向代理:
    • 客户端知道代理的存在,正向代理是为保护客户端,防止追究责任.
    • 但是服务端不知道真实的客户端

2. 如何在requests模块中使用代理

• 在requests模块中使用代理格式(重点)

     proxies = {
        "http":"http://ip:端口号"
        "https":"https://ip:端口号"
     }
     request.get(url, proxies=proxies)
  
  

• 使用需要账号和密码的代理

     proxies = {
        "http":"http://username:password@ip:端口号"
        "https": "https://username:password@ip:端口号"
     }
     request.get(url, proxies=proxies)
  
  

• 代码

        import requests
  
        # 使用代理获取百度首页
        headers = {
            "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36"
        }
        #  定义代理的字典
        proxies = {
            # "http":"http://14.118.252.64:6666"
            # "https":"https://114.99.30.126:18118"
            "http": "http://121.228.8.93:8118"
        }
  
        # 使用代理给服务器发送请求
        response = requests.get("https://www.baidu.com", proxies=proxies, headers=headers)
        # 获取状态
        print(response.status_code)
        print(response.content.decode())
  
  

3. 代理IP的分类

根据代理ip的匿名程度，代理IP可以分为下面四类：

• 透明代理(Transparent Proxy)：透明代理虽然可以直接“隐藏”你的IP地址，但是还是可以查到你是谁。

• 匿名代理(Anonymous Proxy)：使用匿名代理，别人只能知道你用了代理，无法知道你是谁。

• 高匿代理(Elite proxy或High Anonymity Proxy)：高匿代理让别人根本无法发现你是在用代理，所以是最好的选择。

在使用的使用，毫无疑问使用高匿代理效果最好

从请求使用的协议可以分为：

• http代理
• https代理
• socket代理等

不同分类的代理，在使用的时候需要根据抓取网站的协议来选择

4. 代理IP使用的注意点

• 反反爬

  使用代理ip是非常必要的一种反反爬的方式

  但是即使使用了代理ip，对方服务器任然会有很多的方式来检测我们是否是一个爬虫，比如：

  • 一段时间内，检测IP访问的频率，访问太多频繁会屏蔽

  • 检查Cookie，User-Agent，Referer等header参数，若没有则屏蔽

  • 服务方购买所有代理提供商，加入到反爬虫数据库里，若检测是代理则屏蔽

    所以更好的方式在使用代理ip的时候使用随机的方式进行选择使用，不要每次都用一个代理ip

• 代理ip池的更新

  购买的代理ip很多时候大部分(超过60%)可能都没办法使用，这个时候就需要通过程序去检测哪些可用，把不能用的删除掉。

• 小结

• 使用代理的好处:

  • 让目标服务器以为不是同一个客户端在请求，防止因为同一个ip发送请求过多而被反爬
  • 防止我们的真实地址被泄露，防止被追究,保护自己

• 如何在requests中使用代理

  • request.get(url, proxies=proxies)

  转载https://www.cnblogs.com/ddop1/p/9468796.html